Tutorial: Erste Schritte in der Amazon A2I-Konsole

Das folgende Tutorial zeigt Ihnen, wie Sie mit der Verwendung von Amazon A2I in der Amazon A2I-Konsole beginnen:

Das Tutorial bietet Ihnen die Möglichkeit, Augmented AI mit Amazon Textract für die Überprüfung von Dokumenten oder Amazon Rekognition für die Überprüfung von Bildinhalten zu verwenden.

Voraussetzungen

Stellen Sie sicher, dass die folgenden Voraussetzungen erfüllt sind, um mit der Verwendung von Amazon A2I zu beginnen.

• Erstellen Sie ein Amazon S3-Bucket in derselben AWS Region wie der Workflow für Ihre Eingabe- und Ausgabedaten. Wenn Sie beispielsweise Amazon A2I mit Amazon Textract in us-east-1 verwenden, erstellen Sie Ihren Bucket in us-east-1. Um einen Bucket zu erstellen, befolgen Sie die Anweisungen unter Erstellen eines Buckets im Amazon Simple Storage Service Console Benutzerhandbuch.

• Führen Sie eine der folgenden Aktionen aus:

  • Wenn Sie das Tutorial mit Amazon Textract abschließen möchten, laden Sie dieses Beispieldokument herunter und platzieren Sie es in Ihrem Amazon S3-Bucket.

  • Wenn Sie das Tutorial mit Amazon Rekognition abschließen möchten, laden Sie dieses Bild herunter und platzieren Sie es in Ihrem Amazon S3-Bucket.

Anmerkung

Die Amazon A2I-Konsole ist in die SageMaker-Konsole eingebettet.

Schritt 1: Erstellen eines Arbeitsteams

Erstellen Sie zunächst ein Arbeitsteam in der Amazon A2I-Konsole und fügen Sie sich selbst als Mitarbeiter hinzu, sodass Sie eine Vorschau der Aufgabe zur Überprüfung durch einen Mitarbeiter anzeigen können.

Wichtig

In diesem Tutorial wird ein privates Arbeitsteam verwendet. Die Amazon A2I Private Workforce wird im Ground Truth Bereich der SageMaker-Konsole konfiguriert und von Amazon A2I und Ground Truth gemeinsam genutzt.

So erstellen Sie private Arbeitskräfte mit Auftragnehmer-E-Mails

1. Öffnen Sie die SageMaker-Konsole unter https://console.aws.amazon.com/sagemaker/.

2. Wählen Sie im Navigationsbereich die Option Arbeitskräfte für das Labeling unter Ground Truth aus.

3. Wählen Sie Private (Privat) und anschließend Create private team (Privatteam erstellen) aus.

4. Wählen Sie Invite new workers by email (Neue Auftragnehmer per E-Mail einladen).

5. Geben Sie für dieses Tutorial Ihre E-Mail-Adresse und alle anderen ein, damit Sie eine Vorschau der Benutzeroberfläche für menschliche Aufgaben sehen können. Sie können eine Liste von bis zu 50 E-Mail-Adressen, getrennt durch Kommas, in das Feld für E-Mail-Adressen einfügen oder die Adressen eingeben.

6. Geben Sie einen Organisationsnamen und eine E-Mail-Kontaktadresse ein.

7. Wählen Sie optional ein Amazon SNS-Thema aus, das für das Team abonniert werden soll, damit die Auftragnehmer per E-Mail benachrichtigt werden, wenn neue Ground Truth Labeling-Aufträge verfügbar werden. Amazon SNS-Benachrichtigungen werden von Ground Truth unterstützt und nicht von Augmented AI. Wenn Sie Amazon SNS-Benachrichtigungen für Auftragnehmer abonnieren, erhalten diese nur Benachrichtigungen über Ground Truth-Labeling-Aufträge. Sie erhalten keine Benachrichtigungen über Augmented AI-Aufgaben.

8. Wählen Sie Create private team (Privatteam erstellen).

Wenn Sie sich einem privaten Arbeitsteam hinzufügen, erhalten Sie eine E-Mail von [e-mail] mit Anmeldeinformationen. Verwenden Sie den Link in dieser E-Mail, um Ihr Passwort zurückzusetzen und sich bei Ihrem Mitarbeiterportal anzumelden. Hier werden Ihre Aufgaben zur Überprüfung durch Menschen angezeigt, wenn Sie eine menschliche Schleife erstellen.

Schritt 2: Erstellen eines Workflows für die Prüfung durch Menschen

In diesem Schritt erstellen Sie einen Workflow zur Überprüfung durch einen Menschen. Jeder Workflow zur Überprüfung durch einen Menschen wird für einen bestimmten Aufgabentyp erstellt. In diesem Tutorial können Sie zwischen den integrierten Aufgabentypen wählen: Amazon Rekognition und Amazon Textract.

So erstellen Sie einen Workflow zur Überprüfung durch einen Menschen:

1. Öffnen Sie die Augmented AI-Konsole unter https://console.aws.amazon.com/a2i, um auf die Seite Human Review Workflows zuzugreifen.

2. Wählen Sie Workflow zur Überprüfung durch einen Menschen erstellen aus.

3. Geben Sie in den Workflow-Einstellungen einen Workflow-Namen, einen S3-Bucket und die IAM-Rolle ein, die Sie für dieses Tutorial erstellt haben, mit der verwalteten AmazonAugmentedAIIntegratedAPIAccess angehängten AWS-Richtlinie.

4. Wählen Sie als Aufgabentyp Textract – Extraktion von Schlüssel-Wert-Paaren oder Rekognition – Bildmoderation aus.

5. Wählen Sie den Aufgabentyp aus, den Sie aus der folgenden Tabelle ausgewählt haben, um Anweisungen für diesen Aufgabentyp zu erhalten.

   Amazon Textract – Key-value pair extraction

   1. Wählen Sie Eine Prüfung durch Menschen für bestimmte Formularschlüssel basierend auf dem Konfidenzwert des Formulars auslösen oder wenn bestimmte Formularschlüssel fehlen aus.

   2. Geben Sie für Schlüsselname Mail Address ein.

   3. Legen Sie den Schwellenwert für die Erkennungssicherheit zwischen 0 und 99 fest.

   4. Legen Sie den Schwellenwert für die Qualifizierungskonfidenz zwischen 0 und 99 fest.

   5. Wählen Sie Eine Prüfung durch Menschen für alle von Amazon Textract identifizierten Formularschlüssel mit Konfidenzwerten in einem bestimmten Bereich auslösen aus.

   6. Legen Sie den Schwellenwert für die Erkennungssicherheit zwischen 0 und 90 fest.

   7. Legen Sie den Schwellenwert für die Qualifizierungskonfidenz zwischen 0 und 90 fest.

   Dadurch wird eine menschliche Überprüfung eingeleitet, wenn Amazon Textract einen Konfidenzwert zurückgibt, der niedriger ist als 99 für Mail Address und seinen Schlüssel, oder wenn ein Konfidenzwert zurückgegeben wird, der niedriger ist als 90 für jedes Schlüssel-Wert-Paar, das im Dokument erkannt wurde.

   Die folgende Abbildung zeigt den Abschnitt Amazon Textract-Formularextraktion – Bedingungen für das Aufrufen der menschlichen Überprüfung in der Amazon A2I-Konsole. In der Abbildung sind die Kontrollkästchen für die beiden im vorherigen Absatz erläuterten Triggertypen aktiviert. Und Mail Address wird als Schlüsselname für den ersten Auslöser verwendet. Der Schwellenwert für die Erkennungssicherheit wird anhand von Konfidenzwerten für die Erkennung von Schlüssel-Wert-Paaren innerhalb des Formulars definiert und liegt zwischen 0 und 99. Der Schwellenwert für die Qualifizierungskonfidenz wird anhand von Konfidenzwerten für die Erkennung von Text innerhalb der Schlüssel und Werte in einem Formular definiert und liegt zwischen 0 und 99.

   

   Amazon Rekognition – Image moderation

   1. Wählen Sie Eine Prüfung durch Menschen für durch Amazon Rekognition identifizierte Bezeichnungen basierend auf dem Konfidenzwert der Bezeichnung auslösen aus.

   2. Legen Sie den Schwellenwert zwischen 0 und 98 fest.

   Dadurch wird eine menschliche Überprüfung eingeleitet, wenn Amazon Rekognition einen Konfidenzwert zurückgibt, der niedriger ist als 98 bei einem Image-Moderationsauftrag.

   Die folgende Abbildung zeigt, wie Sie die Option Eine Prüfung durch Menschen für durch Amazon Rekognition identifizierte Bezeichnungen basierend auf dem Konfidenzwert der Bezeichnung auslösen und in der Amazon A2I-Konsole einen Schwellenwert zwischen 0 und 98 eingeben können.

   

6. Wählen Sie unter Erstellung von Worker-Task-Vorlage die Option Aus einer Standardvorlage erstellen aus.

7. Geben Sie einen Namen für die Vorlage ein.

8. Geben Sie im Feld Aufgabenbeschreibung den folgenden Text ein:

   Read the instructions carefully and complete the task.

9. Wählen Sie unter Mitarbeiter die Option Privat aus.

10. Wählen Sie das private Team aus, das Sie erstellt haben.

11. Wählen Sie Erstellen aus.

Sobald Ihr Workflow zur Überprüfung durch einen Menschen erstellt wurde, wird er in der Tabelle auf der Seite Workflows zur Überprüfung durch einen Menschen angezeigt. Wenn der Status Active lautet, kopieren und speichern Sie den Workflow-ARN. Sie benötigen sie für den nächsten Schritt.

Schritt 3: Starten einer menschlichen Schleife

Sie müssen eine API-Operation verwenden, um eine menschliche Schleife zu starten. Es gibt eine Vielzahl von sprachspezifischen SDKs, die Sie zur Interaktion mit diesen API-Operationen verwenden können. Die Dokumentation für jedes dieser SDKs finden Sie im Abschnitt „Siehe auch“ in der API-Dokumentation, wie in der folgenden Abbildung dargestellt.

Für dieses Tutorial wird eine der folgenden APIs verwendet:

• Wenn Sie den Amazon Textract-Aufgabentyp ausgewählt haben, verwenden Sie die AnalyzeDocument-Operation.

• Wenn Sie den Amazon Rekognition-Aufgabentyp ausgewählt haben, verwenden Sie die DetectModerationLabels-Operation.

Sie können mit diesen APIs interagieren, indem Sie eine SageMaker-Notebook-Instance (für neue Benutzer empfohlen) oder die AWS Command Line Interface (AWS CLI) verwenden. In den folgenden Abschnitten erfahren Sie mehr über diese Optionen.

• Weitere Informationen über eine Notebook-Instance und deren Einrichtung finden Sie unter Amazon- SageMaker Notebook-Instances.

• Weitere Informationen zu und erste Schritte mit der Verwendung von AWS CLI finden Sie unter Was ist die AWS-Befehlszeilenschnittstelle? im AWS Command Line InterfaceBenutzerhandbuch.

Wählen Sie in der folgenden Tabelle Ihren Aufgabentyp aus, um Beispielanfragen für Amazon Textract und Amazon Rekognition mit dem AWS SDK for Python (Boto3) zu sehen.

Amazon Textract – Key-value pair extraction

Im folgenden Beispiel wird der AWS SDK for Python (Boto3) verwendet, um analyze_document in us-west-2 aufzurufen. Ersetzen Sie den kursiv geschriebenen roten Text durch Ihre Ressourcen. Geben Sie den DataAttributes Parameter an, wenn Sie die Belegschaft von Amazon Mechanical Turk verwenden. Weitere Informationen finden Sie in der Dokumentation analyze_document unter AWS SDK for Python (Boto)API-Referenz.

   response = client.analyze_document(
         Document={
                "S3Object": {
                    "Bucket": "AWSDOC-EXAMPLE-BUCKET", 
                    "Name": "document-name.pdf"
                }
         },
         HumanLoopConfig={
            "FlowDefinitionArn":"arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name",
            "HumanLoopName":"human-loop-name",
            "DataAttributes" : {
                "ContentClassifiers":["FreeOfPersonallyIdentifiableInformation","FreeOfAdultContent"]
            }
         },
         FeatureTypes=["TABLES", "FORMS"])

Amazon Rekognition – Image moderation

Im folgenden Beispiel wird der AWS SDK for Python (Boto3) verwendet, um detect_moderation_labels in us-west-2 aufzurufen. Ersetzen Sie den kursiv geschriebenen roten Text durch Ihre Ressourcen. Geben Sie den DataAttributes Parameter an, wenn Sie die Belegschaft von Amazon Mechanical Turk verwenden. Weitere Informationen finden Sie in der Dokumentation detect_moderation_labels unter AWS SDK for Python (Boto) API-Referenz.

   response = client.detect_moderation_labels(
            Image={
                "S3Object":{
                    "Bucket": "AWSDOC-EXAMPLE-BUCKET", 
                    "Name": "image-name.png"
                }
            },
            HumanLoopConfig={
               "FlowDefinitionArn":"arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name",
               "HumanLoopName":"human-loop-name",
               "DataAttributes":{
                    ContentClassifiers:["FreeOfPersonallyIdentifiableInformation"|"FreeOfAdultContent"]
                }
             })

Schritt 4: Anzeigen des Human Loop-Status in der Konsole

Wenn Sie eine menschliche Schleife starten, können Sie ihren Status in der Amazon A2I-Konsole einsehen.

So zeigen Sie Ihren Human Loop-Status an

1. Öffnen Sie die Augmented AI-Konsole unter https://console.aws.amazon.com/a2i, um auf die Seite Human Review Workflows zuzugreifen.

2. Wählen Sie den Workflow zur Überprüfung durch einen Menschen aus, mit dem Sie Ihre menschliche Schleife gestartet haben.

3. Im Bereich Human Loops können Sie Ihre menschliche Schleife sehen. Sehen Sie sich seinen Status in der Spalte Status an.

Schritt 5: Herunterladen von Ausgabedaten

Ihre Ausgabedaten werden in dem Amazon S3-Bucket gespeichert, den Sie bei der Erstellung eines Workflows zur Überprüfung durch einen Menschen angegeben haben.

So zeigen Sie Ihre Amazon A2I-Ausgabedaten an

1. Öffnen Sie die Amazon S3-Konsole.

2. Wählen Sie den Amazon S3-Bucket aus, den Sie bei der Erstellung Ihres Workflows zur Überprüfung durch einen Menschen in Schritt 2 dieses Beispiels angegeben haben.

3. Beginnen Sie mit dem Ordner, der nach Ihrem Workflow zur Überprüfung durch einen Menschen benannt ist, und navigieren Sie zu Ihren Ausgabedaten, indem Sie den Ordner mit der folgenden Benennungskonvention auswählen:

   s3://output-bucket-specified-in-human-review-workflow/human-review-workflow-name/YYYY/MM/DD/hh/mm/ss/human-loop-name/output.json

4. Wählen Sie output.json aus und klicken Sie auf Herunterladen.